Vydavatelství slovníků - Revision history

Getj00: menší opravy a doplňky

2023-06-12T16:46:25Z

menší opravy a doplňky

Getj00: jméno souboru musí zjevně začínat velkým písmenem, + google disk odkaz

2023-06-12T16:33:05Z

jméno souboru musí zjevně začínat velkým písmenem, + google disk odkaz

Getj00: Doplnění následovnických funkcí

2023-06-12T16:26:02Z

Doplnění následovnických funkcí

Getj00: Vytvoření stránky

2023-06-11T20:50:21Z

Vytvoření stránky

New page

"Něco lingvistického."

=Definice problému=

Bude simulována firma, která se zabývá tvorbou a prodejem překladových slovníků, kde na 1 straně je čeština. Postupně buduje svoje portfolio produktů na základě toho, jak rychle zpracovává slovníková hesla pro vydání potřebné velikosti slovníku, a na základě poptávky ovlivněné geopolitickými událostmi vydává nová vydání. Jejím cílem je mít konsistentní zpracování všech předem vytyčených jazyků s pomocí počítačových technologií, a zacelit tak všechny díry na trhu českých překladových slovníků, jejichž zpracování nebylo v minulých režimech možné z politických či technických důvodů. Noví zaměstnanci (zvyšující rychlost zpracování hesel) jsou z důvodu stability týmového prostředí nabíráni jen v případě zvýšené poptávky. Simulace je inspirována příhodným vydáním ukrajinského slovníčku od firmy Lingea z pekuliárního roku 2022, a ukrajinské konverzace z roku 2023.

== Cíl simulace ==

Hlavním cílem je prověřit dlouhodobou (20+ let) rentabilitu a ziskovost v obnoveném volnotržním prostředí, obzvláště v pozdních fázích, kdy slovníky většiny jazyků budou zpracovány do velké velikosti (100000+ hesel), ačkoliv poptávka po nich bude lehce klesat.

== Zdroje dat ==

Data budou získána či spíše odvozena z výročních zpráv Lingea s.r.o. v Obchodním rejstříku, nebot používají zkrácený rozsah a nemají povinnost ověření auditorem. Důležitým zdrojem je také produktové portfolio této firmy, které určí jednotlivé druhy slovníků. Doplněny jsou také formáty největších českých slovníků, kterou používají jako základ pro část s češtinou napřed.

Ohledně dějepisných událostí se simulace se inspiruje v celkové pravděpodobnosti válek, ale nebude natvrdo zakódováno, že USA má v roce 2003 napadnout Irák, Rusko má v roce 2008 napadnout Gruzii, nebo že se má v roce 2011 stát arabské jaro. Bude ale ctěno, že státy NATO nikdy nejsou napadány.

Rychlost zpracování slovníkových hesel je odvozena z průměrné rychlosti psaní. Zaměstnanci jsou považovaní za experty na svůj jazyk, tudíž nejsou ve zpracování hesel omezení potřebou o nich dlouze přemýšlet.

=Metoda=

Formulování a zpracování tématu je inspirováno soutěžními zadáními z FMWC. V základu simulované části reality je použito Monte Carlo, na rozhodovací úrovni jsou použity prvky Dračího doupěte. Prozatímní název pro tuto kombinaci je Šmakova hora. Narozdíl od Monte Carla není a priori cílem konvergence výsledků.

Počet kol je 50 po 1 roce, počínaje rokem 2001. V každém kole je 12 tahů odpovídajícím 1 měsíci.

Použitý program je LibreOffice Calc, neboť umožňuje defici vlastních funkcí imperativně přímo v LibreOffice Basic, namísto méně pohodlného funkcionálního psaní lambd ve správci jmen v M$ Excel 365, přičemž v nejnovější stabilní verzi 2021 lambdy nejsou podporovány.

Samotná simulace je postavena na sledování a aktualizaci stavových proměnných pomocí následovnické funkce s podmíněným rozhodnutím, zda se jedná o konec roku.

=Model=

V LibreOffice byla simulace rozdělená do 6 různých listů:

* Funkce - soupis jednotlivých funkcí pro refactoring
* Počáteční - konfigurace simulace
* Slovníky - data druhů slovníků
* Jazyky - konfigurace proměnných na každý jazyk
* Simulace - samotná simulace
* Výroční - souhrn ročních výsledků společnosti a provedených rozhodnutí

==Počáteční proměnné==

==Slovníky==

Nejsou uvažováni průvodci a gramatiky.

* konverzace - 6k, obsahuje krátký slovníček a relativně fixní seznam frází.
* slovníček - 30k
* kapesní - 35k, obsahuje stručnou konverzaci
* šikovný - 40k, obsahuje konverzaci
* praktický - 50k
* úzký velký - 60k, pozorováno u čínštiny a japonštiny
* tlustý velký - 120k, pozorováno u angličtiny a němčiny
* vícesvazkový - 250k, podle PSJČ a SSJČ
* mega - 1M,
* mluvník - 2k, potřeba 100k
* tematický - 20k, potřeba 100k
* slang - 5k, potřeba 100k, jedná se o podmnžinu

==Jazyky==

Bylo vybráno 20 (ikosahedron) jazyků s nejvyšším počtem mluvčích podle Ethnologue. Portfolio Lingey zahrnuje místo některých jihoasijských jazyků jazyky evropských států, nicméně pro řadu jihoasijských jazků velký slovník s češtinou na 2. straně nevyšel, tudíž se jedná o tržní příležitost.

* angličtina
* čínština
* hindština
* španělština
* francouzština
* arabština - v dosavadních slovnících řazeno zpravidla podle kořenu
* bengálština
* ruština
* portugalština
* urdu
* indonéština
* němčina
* japonština
* marathi
* telugu
* turečtina
* tamilština
* vietnamština
* filipínština (tagalog)
* korejština

==Proměnné na každý jazyk==

=Výsledky=

Projekt přestane být komerčně rentabilní za XX let.

=Závěr=

=Odkazy=

* Portfolio Lingea
* Výroční zprávy
* Jazyky s největším počtem mluvčích (Wiki, Ethnologue)
* Největší slovníky
* SSJČ, PSJČ
* Rychlost psaní

=Kód=

Simulace postupuje na základě následovnických funkcí, které jsou následující:

{| class="wikitable"
|+ Následovnické funkce
|-
! Proměnná !! Kód funkce !! Komentář
|-
| Rok || fff || kkk
|-
| Měsíc || fff || kkk
|-
| Peníze || fff || kkk
|-
| jeVálka || fff || kkk
|-
| agresorIdx || fff || kkk
|-
| agresor || fff || kkk
|-
| napadenýIdx || fff || kkk
|-
| napadený || fff || kkk
|-
| Slov || fff || x20 pro každý jazyk
|-
| Zaměstnanci || fff || x20 pro každý jazyk
|-
| KolektivSíla || fff || x20 pro každý jazyk
|-
| Poptávka || fff || x20 pro každý jazyk
|-
| Konverzací ... Slangů || fff || x20 pro každý jazyk, x12 pro každý druh slovníku
|}

@@ Line 5: / Line 5: @@
 =Definice problému=
-Bude simulována firma, která se zabývá tvorbou a prodejem překladových slovníků, kde na 1 straně je čeština. Postupně buduje svoje portfolio produktů na základě toho, jak rychle zpracovává slovníková hesla pro vydání potřebné velikosti slovníku, a na základě poptávky ovlivněné geopolitickými událostmi vydává nová vydání. Jejím cílem je mít konsistentní zpracování všech předem vytyčených jazyků s pomocí počítačových technologií, a zacelit tak všechny díry na trhu českých překladových slovníků, jejichž zpracování nebylo v minulých režimech možné z politických či technických důvodů. Noví zaměstnanci (zvyšující rychlost zpracování hesel) jsou z důvodu stability týmového prostředí nabíráni jen v případě zvýšené poptávky. Simulace je inspirována příhodným vydáním ukrajinského slovníčku od firmy Lingea z pekuliárního roku 2022, a ukrajinské konverzace z roku 2023.
+Bude simulována firma, která se zabývá tvorbou a prodejem překladových slovníků, kde na 1 straně je čeština. Postupně buduje svoje portfolio produktů na základě toho, jak rychle zpracovává slovníková hesla pro vydání potřebné velikosti slovníku, a na základě poptávky ovlivněné geopolitickými událostmi vydává nová vydání. Jejím cílem je mít konsistentní zpracování všech předem vytyčených jazyků s pomocí počítačových technologií, a zacelit tak všechny díry na trhu českých překladových slovníků, jejichž zpracování nebylo v minulých režimech možné z politických či technických důvodů. Noví zaměstnanci (zvyšující rychlost zpracování hesel) jsou z důvodu stability týmového prostředí nabíráni jen v případě zvýšené poptávky (prozatím náhodně). Simulace je inspirována příhodným vydáním ukrajinského slovníčku od firmy Lingea z pekuliárního roku 2022, a ukrajinské konverzace z roku 2023.
 == Cíl simulace ==
@@ Line 33: / Line 33: @@
 =Model=
-V LibreOffice byla simulace rozdělená do 6 různých listů:
+V LibreOffice byla simulace rozdělená do 4 různých listů:
 * Počáteční - konfigurace simulace
@@ Line 123: / Line 123: @@
 * jeVálka
 * agresorIdx - vygenerované
-* agresor - referencované jméno
+* agresor - dereferencované jméno
 * napadenýIdx - vygenerované
-* napadený - dereferencované
+* napadený - dereferencované jméno
@@ Line 137: / Line 137: @@
 =Závěr=
-Vzhledem k příliš striktní deadline nemohla být simulace zcela implementována pro všechny velikosti slovníků s ohledem na proměňující se bias poptávky. Deterministické rozřazování, kolik čeho vytisknout, by trvalo implementovat další měsíc.
+Vzhledem k příliš striktní deadline nemohla být simulace zcela implementována pro všechny velikosti slovníků s ohledem na proměňující se bias poptávky. Deterministické rozřazování, kolik čeho vytisknout, by trvalo implementovat další měsíc. V souvislosti s celkovým počtem polí (cca 600 řádků a 300 sloupců) se rovněž vyskytly obavy o načítání símulace na strojích, které nedosahují výkonových kvalit autorova počítače.
@@ Line 154: / Line 154: @@
 [https://drive.google.com/file/d/18gmu79o6x-3pepLn4-9_0it_mnMhTf87/view?usp=drive_link Soubor simulace na Google Disku]
-Simulace postupuje na základě následovnických funkcí, které jsou následující:
+Simulace postupuje na základě následovnických funkcí, které jsou uvedeny v tabulce níže. Pro účely tohoto článku byly poněkud kryptické identifikátory polí nahrazeny symbolickými jmény s indexujícími subskripty.

@@ Line 151: / Line 151: @@
 =Kód=
-[[File:vydavatelstvi_slovniku.ods]]
+[[File:Vydavatelstvi_slovniku.ods]]
 Simulace postupuje na základě následovnických funkcí, které jsou následující:

@@ Line 35: / Line 35: @@
 V LibreOffice byla simulace rozdělená do 6 různých listů:
 * Počáteční - konfigurace simulace
 * Slovníky - data druhů slovníků
 * Jazyky - konfigurace proměnných na každý jazyk
 * Simulace - samotná simulace
 ==Počáteční proměnné==
 ==Slovníky==
-Nejsou uvažováni průvodci a gramatiky.
+Simulovaná firma chce vydávat 12 (dodekahedron) druhů slovníků. Nejsou uvažováni průvodci a gramatiky.
 * konverzace - 6k, obsahuje krátký slovníček a relativně fixní seznam frází.
@@ Line 61: / Line 78: @@
 * mluvník - 2k, potřeba 100k
 * tematický - 20k, potřeba 100k
-* slang - 5k, potřeba 100k, jedná se o podmnžinu
+* slang - 5k, potřeba 100k, jedná se o podmnožinu
 ==Jazyky==
@@ Line 91: / Line 109: @@
 ==Proměnné na každý jazyk==
 =Výsledky=
-Projekt přestane být komerčně rentabilní za XX let.
+Na začátku je patrná potřeba zadlužení na prvotní várky konverzací, potom má ale firma více než dostatek peněz na případné reinvestice, a dokonce přibývají.
 =Závěr=
 =Odkazy=
-* Portfolio Lingea
+* [https://www.lingea.cz/shop/jazyky Portfolio Lingea]
-* Výroční zprávy
+* [https://or.justice.cz/ias/ui/vypis-sl-firma?subjektId=576418 Sbírka listin Lingea s.r.o.]
-* Jazyky s největším počtem mluvčích (Wiki, Ethnologue)
+* [https://www.ethnologue.com/insights/ethnologue200/ Ethnologue - What are the top 200 most spoken languages?] ([https://en.wikipedia.org/wiki/List_of_languages_by_total_number_of_speakers Neplacená top 45 na Wiki])
-* Největší slovníky
+* [https://en.wikipedia.org/wiki/List_of_dictionaries_by_number_of_words Seznam slovníků podle počtu slov]
-* SSJČ, PSJČ
+* [https://www.lexiko.ujc.cas.cz/index.php?page=3 LEXIKO - O slovnících]
 =Kód=
 Simulace postupuje na základě následovnických funkcí, které jsou následující:
@@ Line 121: / Line 161: @@
 ! Proměnná !! Kód funkce !! Komentář
 |-
-| Rok || fff || kkk
+| Rok || rok[i-1]+IF(měsíc[i]=1;1;0) || Rok se zvedá každých 12 měsíců
 |-
-| Měsíc || fff || kkk
+| Měsíc || MOD(měsíc[i-1];12)+1 || Měsíce jsou číslované od 1
 |-
-| Peníze || fff || kkk
+| Peníze || peníze[i-1]-SUM(Zaměstnanci[i])*mzda[i-1]-MIN(0;(konverzací[i]-konverzací[i-1]))*(konst[konverzace]+var[konverzace]*potřebaHesel[konverzace])+MIN(0;(konverzací[i-1]-konverzací[i]))*cena[konverzace] || atd. pro všechny druhy
 |-
-| jeVálka || fff || kkk
+| jeVálka || IF(RANDBETWEEN(0;1/pstVálka)=0;1;0) || Tradiční hod 1/pstVálka-strannou kostkou
 |-
-| agresorIdx || fff || kkk
+| agresorIdx || IF(jeVálka=1;RANDBETWEEN(0;početJazyků);"-") || Další hod početJazyků-strannou kostkou
 |-
-| agresor || fff || kkk
+| agresor || IF(agresorIdx="-";"-";IF(agresorIdx=0;"jiný";VLOOKUP(agresorIdx;Jazyky;3;FALSE()))) || Dereference pro kontrolu
 |-
-| napadenýIdx || fff || kkk
+| napadenýIdx || IF(jeVálka=1;RANDBETWEEN(0;početNonPaxAm);"-") || Státy NATO nikdy nejsou napadeny
 |-
-| napadený || fff || kkk
+| napadený || IF(napadenýIdx="-";"-";IF(napadenýIdx=0;"jiný";VLOOKUP(napadenýIdx;Jazyky.nonPaxAmIdx;2;FALSE()))) || Dereference pro kontrolu
 |-
-| Slov || fff || x20 pro každý jazyk
+| Slov || Slov[k][i-1]+KolektivSíla[k][i-1]+ROUND(NORM.INV(RAND();0;Zaměstnanci[k][i]*výchylnostZam)) || x20 pro každý jazyk k
 |-
-| Zaměstnanci || fff || x20 pro každý jazyk
+| Zaměstnanci || IF(měsíc[i]=1;IF(slov[k][i-1]<Slovníky[potřebaHesel][mega];Zaměstnanci[k][i-1]+RANDBETWEEN(0;1);sílaZamE);Zaměstnanci[k][i-1]) || x20 pro každý jazyk k
 |-
-| KolektivSíla || fff || x20 pro každý jazyk
+| KolektivSíla || =MAX(0;kolektivSíla[k][i-1]+(Zaměstnanci[k][i]-Zaměstnanci[k][i-1])*ROUND(NORM.INV(RAND();sílaZamE;sílaZamSigma);0)) || x20 pro každý jazyk k
 |-
-| Poptávka || fff || x20 pro každý jazyk
+| Poptávka || =MAX(0;Poptávka[k][i-1]+ROUND(NORM.INV(RAND();(IF(agresorIdx[i]=k;poptFaktAgresor;1)*IF(napadenýIdx[i]=k;poptFaktNapaden;1))*(poptSigma+globPoptFakt*VLOOKUP(k;Jazyky;5;FALSE()));poptSigma);0)-Konverzací[k][i-1]) || x20 pro každý jazyk k, atd. pro všechny druhy
 |-
-| Konverzací ... Slangů || fff || x20 pro každý jazyk, x12 pro každý druh slovníku
+| Konverzací ... Slangů || =IF(Slov[k][i-1]>Slovníky[potřebaHesel][konverzace];MAX(Poptávka[k][i-1];CM4);Konverzací[k][i-1])-MIN(Poptávka[k][i-1];Konverzací[k][i-1]) || x20 pro každý jazyk k, atd. pro každý druh slovníku
 |}